{
  "paper_id": "92c683835047b20281b625555a00c690",
  "paper_title": "PolarNet: An Improved Grid Representation for Online LiDAR Point Clouds Semantic Segmentation",
  "paper_authors": [
    "Yang Zhang",
    "Zixiang Zhou",
    "Philip David",
    "Xiangyu Yue",
    "Zerong Xi",
    "Boqing Gong",
    "Hassan Foroosh"
  ],
  "publication_date": "2020",
  "publication_venue": "CVPR 2020",
  "abstract": "The need for fine-grained perception in autonomous driving systems has resulted in recently increased research on online semantic segmentation of single-scan LiDAR. Despite the emerging datasets and technological advancements, it remains challenging due to three reasons: (1) the need for near-real-time latency with limited hardware; (2) uneven or even long-tailed distribution of LiDAR points across space; and (3) an increasing number of extremely fine-grained semantic classes. In an attempt to jointly tackle all the aforementioned challenges, we propose a new LiDAR-specific, nearest-neighbor-free segmentation algorithm — PolarNet. Instead of using common spherical or bird's-eye-view projection, our polar bird's-eye-view representation balances the points across grid cells in a polar coordinate system, indirectly aligning a segmentation network's attention with the long-tailed distribution of the points along the radial axis. We find that our encoding scheme greatly increases the mIoU in three drastically different segmentation datasets of real urban LiDAR single scans while retaining near real-time throughput.",
  "keywords": [
    "LiDAR点云",
    "语义分割",
    "极坐标鸟瞰图",
    "环卷积",
    "自动驾驶",
    "实时分割",
    "PolarNet"
  ],
  "paper_institutions": [
    "University of Central Florida",
    "U.S. Army Research Laboratory",
    "University of California, Berkeley"
  ],
  "output_language": "zh",
  "provider": "doubao",
  "model": "glm-5.3",
  "prompt_template": "simple",
  "extracted_at": "2026-09-17T09:41:17.011595Z",
  "template_tag": "simple",
  "summary": "### 摘要\n\n自动驾驶系统对细粒度感知的需求推动了单扫描LiDAR在线语义分割研究，但该任务长期受三大难题制约：有限硬件上的近实时延迟要求、LiDAR点在空间上的长尾不均匀分布、以及细粒度语义类别数不断增加。已有工作或采用球面投影（如SqueezeSeg、RangeNet++），或采用手工特征的笛卡尔BEV网格，均未利用LiDAR俯视图中点呈环形分布的结构。为此，本文提出免最近邻的LiDAR专用分割算法PolarNet：以极坐标鸟瞰图（polar BEV）量化点云，按方位角与半径将点分配到网格单元，使各单元点数更均衡（每格点数标准差由±3.2降至±1.4），并用可学习的简化PointNet对每个网格内的点提取固定长度表示，其核心机制为 fea_{i,j}=MAX({h(p) | w_i<p_x<w_{i+1}, l_j<p_y<l_{j+1}})（h为仅含全连接层、BN与ReLU的简化PointNet，w、l为量化尺寸），再通过假设特征矩阵沿方位角轴首尾相连的环卷积（ring convolution）实现端到端2D CNN处理。实验选取三个扫描模式迥异的真实城市数据集以验证泛化性：SemanticKITTI（43551次扫描、平均每扫描104452点、19类、最频繁类与最稀类的点数相差4.82×10^7倍）、A2D2（五个异步LiDAR传感器在50ms时间窗内拼接的22408/2774/13264个训练/验证/测试扫描，模拟车辆运行时的即时感知）与Paris-Lille-3D（从聚合点云中每50ms提取、含±100ms内点、共5112/1205/1273个扫描）。以mIoU（IoU_c=|P_c∩G_c|/|P_c∪G_c|）、准确率、延迟、FPS、MACs与参数量为指标，PolarNet在三个数据集上分别以2.1%、4.5%、3.7%的mIoU优势超越当时最优方法，且仅用约1/3的参数量与计算量（SemanticKITTI测试集54.3% mIoU、14M参数、135B MACs、0.062s延迟），有力支持了极坐标表示优于球面投影与笛卡尔BEV这一核心创新。后续可探索更优的分割骨干网络、远距离稀疏点的性能提升与小样本类别处理；实际部署须满足车载嵌入式硬件的实时性约束，而mIoU随传感器距离增加而下降、A2D2上仅约23% mIoU等观察则揭示了异构传感器拼接与远距离场景下的适用边界。\n\n### 关键要点\n\n- 方法核心：PolarNet以极坐标BEV替代笛卡尔BEV量化LiDAR点云，依据俯视极坐标（方位角与半径）分配点到网格，使近传感器区域的网格更精细，每格点数标准差从±3.2降至±1.4，点分布更均衡。\n- 特征学习：每个网格单元内的点经可学习的简化PointNet（仅全连接层、批归一化与ReLU）加max-pooling映射为固定长度表示，无需手工特征，也无需KNN等最近邻操作。\n- 环卷积：作者设计环卷积核，假设极坐标特征矩阵沿方位角轴首尾相连，使梯度可跨边界反向传播并扩展感受野，从而让2D CNN能端到端处理极坐标网格（称为ring CNN）。\n- 数据集：SemanticKITTI是KITTI LiDAR部分的点级重标注，含43551次扫描、22个序列、平均每扫描104452点与19个类别，最频繁类vegetation的点数是最稀类motorcyclist的4.82×10^7倍，高度不平衡且具挑战性。\n- 数据集：A2D2由五个异步LiDAR传感器采集，作者将点投影回车辆坐标系并在50ms时间窗内拼接（半）全景扫描，得到22408/2774/13264个训练/验证/测试扫描，以模拟车辆运行中的即时感知，异构拼接对所有分割算法构成挑战。\n- 数据集：Paris-Lille-3D提供巴黎与里尔街景的3个聚合点云（后置倾斜Velodyne HDL-32E采集），作者按50ms间隔、取±100ms内的点提取单次扫描，共5112/1205/1273个扫描，测试预测经max-voting聚合后上传官方评测服务器。\n- 主要结果：在SemanticKITTI测试集上，基于Unet的PolarNet达54.3% mIoU与90.0%准确率，超过RangeNet++的52.2%，同时参数量仅14M（对方50M）、延迟0.062s、16.2 FPS，计算成本显著更低。\n- 跨数据集结果：PolarNet在A2D2与Paris-Lille-3D上分别超越最优方法4.5%与3.7% mIoU；Paris-Lille-3D上达43.7% mIoU，其中远离车辆的barrier类提升显著，但样本极少的trash can类不及笛卡尔Unet。\n- 表示上限证据：极坐标BEV中每格同标签点占比达99.3%（笛卡尔BEV为98.75%），以体素多数标签作预测的mIoU上限为98.5%（笛卡尔97.3%），表明该表示从上界层面降低了误分类。\n- 投影方式消融：无论采用SqueezeSeg、ResNet-50-FCN、DRN-DeepLab还是ResNet101-DeepLab骨干，BEV均显著优于球面投影（后者量化误差大且丢失距离信息），极坐标BEV又优于或持平笛卡尔BEV。\n- 训练设置消融：在验证集上，环卷积、9特征输入、翻转增强、固定体积空间与网格尺寸调优逐步将mIoU从46.9%提升至54.9%，其中固定体积空间（使每次扫描尺度不变）贡献最大，达+2.8%。\n- 适用约束：mIoU随点到传感器距离增加而下降，极坐标BEV在占多数的近距离点上优势最大；other-ground与motorcyclist等视觉难分类别性能仍低（motorcyclist仅占训练点0.004%），A2D2上约23%的mIoU也反映异构传感器拼接场景的难度。"
}